論文の概要: WiMANS: A Benchmark Dataset for WiFi-based Multi-user Activity Sensing

• arxiv url: http://arxiv.org/abs/2402.09430v1
• Date: Wed, 24 Jan 2024 16:10:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-25 17:13:30.974613
• Title: WiMANS: A Benchmark Dataset for WiFi-based Multi-user Activity Sensing
• Title（参考訳）: WiMANS:WiFiベースのマルチユーザアクティビティセンシングのためのベンチマークデータセット
• Authors: Shuokang Huang, Kaihan Li, Di You, Yichong Chen, Arvin Lin, Siying Liu, Xiaohui Li, Julie A. McCann
• Abstract要約: WiMANSはWiFiに基づくマルチユーザアクティビティセンシングのための最初のデータセットである。 We exploit WiMANS to benchmark the performance of State-of-the-the-art WiFi-based human sensor model and video-based model。
• 参考スコア（独自算出の注目度）: 8.143761572557539
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: WiFi-based human sensing has exhibited remarkable potential to analyze user behaviors in a non-intrusive and device-free manner, benefiting applications as diverse as smart homes and healthcare. However, most previous works focus on single-user sensing, which has limited practicability in scenarios involving multiple users. Although recent studies have begun to investigate WiFi-based multi-user activity sensing, there remains a lack of benchmark datasets to facilitate reproducible and comparable research. To bridge this gap, we present WiMANS, to our knowledge, the first dataset for multi-user activity sensing based on WiFi. WiMANS contains over 9.4 hours of WiFi Channel State Information (CSI), monitoring simultaneous activities performed by multiple users in various environments. Compared to existing datasets, WiMANS not only collects the CSI of dual WiFi bands but also includes synchronized videos. We exploit WiMANS to benchmark the performance of state-of-the-art WiFi-based human sensing models and video-based models, posing new challenges and opportunities for WiFi-based multi-user identification, localization, and activity recognition. We believe that WiMANS can push the boundaries of current WiFi-based human sensing and catalyze the research on multi-user activity analysis.
• Abstract（参考訳）: wifiベースの人間センシングは、非意図的でデバイスフリーな方法でユーザーの行動を解析する顕著な可能性を示しており、スマートホームやヘルスケアのような多様なアプリケーションにも恩恵をもたらしている。 しかしながら、以前のほとんどの作業は、複数のユーザを含むシナリオで実用性に制限のあるシングルユーザセンシングに重点を置いている。 近年、WiFiベースのマルチユーザアクティビティセンシングの研究が始まっているが、再現性と同等の研究を促進するためのベンチマークデータセットが不足している。 このギャップを埋めるために、我々はWiMANSを、WiFiに基づくマルチユーザアクティビティセンシングのための最初のデータセットである私たちの知識に提示する。 WiMANSには9.4時間以上のWiFiチャンネル状態情報(CSI)が含まれており、様々な環境で複数のユーザが同時に行う活動を監視している。 既存のデータセットと比較して、WiMANSはデュアルWiFiバンドのCSIを収集するだけでなく、同期ビデオも含む。 wimansを利用して、最先端のwifiベースの人間センシングモデルとビデオベースのモデルのパフォーマンスをベンチマークし、wifiベースのマルチユーザ識別、ローカライゼーション、アクティビティ認識に新たな挑戦と機会を与えました。 wimansは、現在のwifiベースの人間センシングの境界を押し進め、マルチユーザーアクティビティ分析の研究を触媒することができると信じています。

関連論文リスト

• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Exposing the CSI: A Systematic Investigation of CSI-based Wi-Fi Sensing Capabilities and Limitations [16.819111460629397]
  この研究は、Wi-Fi 6の機能がセンシング性能に与える影響を明らかにし、将来のWi-Fiセンシング研究のためのベンチマークを作成することを目的としている。 我々は,Wi-Fi 6信号を用いて,3人,3環境,12活動を含む広範囲なCSIデータ収集キャンペーンを実施している。 ビデオ記録によって得られた匿名化された地上の真実は、3つのコレクターから約2時間分のCSIデータを含む80GBのデータセットを伴っている。
  論文  参考訳（メタデータ） (2023-02-02T10:21:00Z)
• Deep Learning and Its Applications to WiFi Human Sensing: A Benchmark and A Tutorial [38.24503926348819]
  本研究では,WiFi センシングのための様々なディープラーニングモデルの有効性を検討するためのベンチマーク SenseFi を提案する。 CSIハードウェアプラットフォームからセンシングアルゴリズムに至るまで、ディープラーニングベースのWiFiセンシングのチュートリアルと見なされている。 われわれの知る限りでは、WiFiセンシング研究におけるディープラーニングのためのオープンソースのライブラリの最初のベンチマークとなる。
  論文  参考訳（メタデータ） (2022-07-16T07:23:45Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• EfficientFi: Towards Large-Scale Lightweight WiFi Sensing via CSI Compression [28.383494189730268]
  EfficientFiは、IoTクラウドに対応した最初のWiFiセンシングフレームワークである。 CSIデータを1.368Mb/sから0.768Kb/sに圧縮する。 人間の行動認識の精度は98%を超えている。
  論文  参考訳（メタデータ） (2022-04-08T15:48:41Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• Self-Supervised WiFi-Based Activity Recognition [3.4473723375416188]
  屋内環境における受動的活動認識のためのWi-Fiデバイスから微細な物理層情報を抽出する。 自己監督型コントラスト学習による活動認識性能の向上を提案する。 WiFiによる活動認識のタスクにおいて,マクロ平均F1スコアの17.7%の増加が観察された。
  論文  参考訳（メタデータ） (2021-04-19T06:40:21Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• Vision Meets Wireless Positioning: Effective Person Re-identification with Recurrent Context Propagation [120.18969251405485]
  既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。 携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。 本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
  論文  参考訳（メタデータ） (2020-08-10T14:19:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。